王思晗 劉亞志

摘要：近年來，隨著物聯(lián)網(wǎng)技術的快速發(fā)展，不同類型的應用程序產(chǎn)生的數(shù)據(jù)量開始呈現(xiàn)爆炸式增長。移動終端有限的計算、存儲資源，給用戶使用帶來不便。傳統(tǒng)解決問題的方式是將需要處理的任務上傳到遠端云的服務數(shù)據(jù)中心，經(jīng)過處理后，將計算結果回傳到用戶端。然而，對于一些計算密集型任務，這種解決問題的方式已經(jīng)不能滿足用戶對服務響應時延等的高標準要求。邊緣計算作為一種新范式，將云計算的IT資源下沉到網(wǎng)絡邊緣，解決了海量數(shù)據(jù)的傳輸與處理所帶來的網(wǎng)絡擁塞、增加網(wǎng)絡延遲等問題。該文首先對移動邊緣計算基本內(nèi)容以及相關范例進行介紹，進一步對移動邊緣計算系統(tǒng)的框架結構進行分析。然后，對移動邊緣計算的相關工作進行介紹。最后，針對移動邊緣計算中的研究提出了下一步研究方向。

關鍵詞：移動邊緣計算;任務卸載及資源分配;服務緩存

中圖分類號：TN822? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）15-0048-02

Abstract： In recent years， with the rapid development of Internet of Things technology， the amount of data generated by different types of applications has begun to explode. The limited computing and storage resources of mobile terminals bring inconvenience to users. The traditional way to solve the problem is to upload the task that needs to be processed to the service data center of the remote cloud， after processing， the calculation result is sent back to the client. However， for some computationally intensive tasks， this solution can no longer meet users' high requirements for service response delays and so on. Edge computing， as a new paradigm， subsides IT resources of cloud computing to the edge of the network， and solves problems such as network congestion and network delay caused by massive data transmission and processing. This paper first introduces the basic content and relevant examples of mobile edge computing， and then analyzes the framework of mobile edge computing system. Then， the related work of moving edge calculation is introduced. Finally， the research direction of moving edge computing is proposed.

Key words： mobile edge computing; task offloading and resource allocation; service cache

1 移動邊緣計算

近年來，隨著車聯(lián)網(wǎng)以及物聯(lián)網(wǎng)的快速發(fā)展，多種多樣的智能設備不斷涌現(xiàn)，如智能家居、智能交通等，給人們的生活帶來許多便利。然而，新興的應用大多是復雜的應用程序，產(chǎn)生的數(shù)據(jù)量較多。思科估計，到2020年，全球將有大約500億部聯(lián)網(wǎng)設備，每天的數(shù)據(jù)量將會呈現(xiàn)爆炸式增長。隨著用戶對網(wǎng)絡服務質量、服務請求時延等網(wǎng)絡性能要求不斷提高，資源受限的移動設備終端難以滿足。

為了應對上述挑戰(zhàn)，移動邊緣計算作為一種新范式被提出，能夠將云端的計算功能和服務下沉到具有地理位置優(yōu)勢的網(wǎng)絡邊緣，就近提供實時的數(shù)據(jù)分析和智能化處理，能夠有效地避免核心網(wǎng)絡擁堵，降低服務響應時延，成為學術界和工業(yè)界研究的熱點。目前，研究學者在邊緣計算領域進行了大量的研究，普遍認可的邊緣計算方案包括微云、霧計算、移動邊緣計算。

云計算是一種計算范式，它通過計算資源池向最終用戶提供按需服務。在萬物互聯(lián)的時代，物聯(lián)網(wǎng)設備產(chǎn)生的海量數(shù)據(jù)對計算、存儲、網(wǎng)絡服務能力提出了更高的要求，將云計算中心服務向網(wǎng)絡邊緣進行擴展的趨勢得到了業(yè)界的普遍認可。而微云是云計算逐漸向網(wǎng)絡邊緣靠近的一次嘗試。Satyanarayanan等人首次提出了微云的概念，微云作為小型的云服務數(shù)據(jù)中心，是一種可以被附近的移動設備使用的計算機或者計算集群，也同樣可以作為Internet基礎設施組件，為附近的移動設備提供計算存儲資源，能夠增強移動設備的移動性。微云靠近網(wǎng)絡的邊緣，為移動設備提供服務，通過將移動設備復雜的計算遷移到位于網(wǎng)絡邊緣的基于虛擬機的微云，減少延遲。在移動云計算會議上被正式提出霧計算的概念，并將霧計算定義為在傳統(tǒng)云計算數(shù)據(jù)中心與終端用戶設備之間提供計算、存儲、網(wǎng)絡服務的一種高度虛擬化的平臺。霧計算具有廣泛的地理分布，較多的節(jié)點數(shù)量，側重于不同平臺和行業(yè)之間的數(shù)據(jù)管理和資源共享，支持上下文感知。

其中，與移動邊緣計算范例最相關的是微云。2014年，歐洲電信標準協(xié)會從網(wǎng)絡架構的角度，將邊緣計算與移動網(wǎng)絡進行融合，致力于構建更加智能的網(wǎng)絡，首次提出移動邊緣計算，將其定義為在移動網(wǎng)絡邊緣提供IT服務環(huán)境和云計算的能力。隨著業(yè)界對MEC的研究不斷深入，2016年，ETSI對MEC中的“M”進行了擴展，將其定義為“multi-access”，移動邊緣計算逐漸向多接入邊緣計算方向過渡。

2 相關工作

目前關于移動邊緣計算方面的研究主要傾向于系統(tǒng)架構的設計以及任務卸載等方面的研究。文獻[1]考慮智能設備資源的有限性和邊緣服務器較強的計算、存儲能力，提出了基于改進拍賣算法的任務卸載策略，該策略主要分為任務卸載和任務調度兩個主要的階段。任務希望在決策階段通過考慮任務在本地或邊緣執(zhí)行的時間成本以及能量消耗，提供卸載決策的依據(jù)，以判定任務是否卸載到邊緣執(zhí)行。當任務要卸載到邊緣執(zhí)行后，尋找合適的邊緣服務器，降低計算時延，減少傳輸能耗，以達到全局最優(yōu)的目標，是任務調度階段主要的目的。文獻[2]考慮了用戶端的移動性，對蜂窩網(wǎng)絡進行了更詳細的分類并給出了更準確的狀態(tài)轉移概率，將虛擬機遷移過程建模為馬爾可夫決策過程，利用策略迭代算法求得最優(yōu)解，有效地減少了能耗，降低了時延。

目前該領域的大多數(shù)研究工作仍然是關于任務卸載以及調度等方面。然而，對于服務的請求，大多是假設已經(jīng)緩存了所有用戶請求的服務。云計算中部署虛擬機的方案不適用于分布式的邊緣計算模型。因此，對于服務緩存的決策進行研究也是極具挑戰(zhàn)性的，具有重要現(xiàn)實意義。文獻[3]研究了在移動邊緣計算密集網(wǎng)絡中的服務緩存和任務卸載問題，利用李雅普諾夫優(yōu)化算法與吉布斯采樣算法，聯(lián)合優(yōu)化動態(tài)的服務緩存和任務卸載問題，考慮移動終端任務需求的高度隨機性，以及長時間服務緩存決策的耦合性等方面的影響，有效地降低了服務響應時延。

綜上所述，移動邊緣計算中關于任務卸載和資源調度方向研究較多，服務緩存也是一個同等重要的方向，卻很少有研究。因此，對于復雜的應用程序服務的研究及其具有挑戰(zhàn)性，也具有十分重要的意義。

3 結束語

綜上所述，本文首先對移動邊緣計算的發(fā)展背景以及相關計算范例進行簡單介紹。然后，介紹了移動邊緣計算系統(tǒng)的框架結構。最后，介紹了目前移動邊緣計算重點研究方向，并指出了未來需要研究的方向。移動邊緣計算作為一種新范式，系統(tǒng)的性能與服務緩存策略息息相關，邊緣節(jié)點之間合理的部署服務，能夠有效的利用邊緣節(jié)點的計算、存儲資源。但是，在移動邊緣計算中對服務緩存的研究仍然存在一些問題，還需要進一步的探究。

參考文獻：

[1] 盛津芳，滕瀟雨，李偉民，等.移動邊緣計算中基于改進拍賣模型的計算卸載策略[J].計算機應用研究，2020，37（6）：1688-1692.

[2] 王秋寧，謝人超，黃韜.移動邊緣計算的移動性管理研究[J].中興通訊技術，2018，24（1）：37-41.

[3] Xu J，Chen L X，Zhou P.Joint service caching and task offloading for mobile edge computing in dense networks[C]//IEEE INFOCOM 2018 - IEEE Conference on Computer Communications.April 16-19，2018.Honolulu，HI.IEEE，2018.

【通聯(lián)編輯：代影】